预测结果和真实值发生偏移问题

[kavinwow100]

用自己的数据尝试训练了itransformer 完成了Long-termForecasting任务，features为MS类型，数据间隔为每15分钟，freq设置为“t”，但是我在plot 项目result文件夹中的预测结果时，图像发生了偏移。详细如下，翻了历史的issue也对temporal embedding进行了调整发现仍然有这种问题。辛苦您能给我指点下问题，非常感谢。

plt.plot(trues[:,0,-1].reshape(-1)[-50:], label='GroundTruth')
plt.plot(preds[:,0,-1].reshape(-1)[-50:], label='Prediction')

如果对preds中结果进行人工偏移发现拟合的还不错，不知道问题出在哪里？
plt.plot(trues[:,0,-1].reshape(-1)[-50:], label='GroundTruth')
plt.plot(preds[:,0,-1].reshape(-1)[-49:], label='Prediction')

[lss-1138]

说明目前单点预测最好的结果，就是copy上一个点，无解

[LY-must-win]

跟LSTM单步预测结果有点像

[xiaolin96]

你把数据用一个最简单的lstm跑一下应该也是这种，最近和老师争议的也是这个问题，老师说我直接copy上一个点来预测，你的方法都没我的好，还提出什么新方法。。。如果找到解决方案，烦请告知，mark一下

[ztxtech]

时间序列预测有$k$迟滞性，这也是研究方向，如果延迟消失，自然预测的好。如果直接偏移，等价于构建$\hat{y_i} = Net(y_i)$$,而你需要预测的时间点$i$,你是获取不到的，不能拿预测值预测预测值。

[ztxtech]

朴素预测是一种方法，逻辑上确实误差很低，但用的是上一个时间点的数值。

[xiaolin96]

lstm 单点预测，每一步同样要用上一个时间点的数值啊

[ztxtech]

lstm 单点预测，每一步同样要用上一个时间点的数值啊

是啊，但如果把预测的平移，就相当于已经知道了下一个时间点的数值嘛。本来构建的是 \hat{y}_i+1 = Net(y_i)，平移后相当于是\hat{y}_i+1 = Net(y_i+1)

朴素预测直接不处理，我的意思是不处理直接作为预测值 \hat{y}_i+1 = y_i。上一个时间点的数据肯定要用的。